Zum Inhalt springen

Wissensbibliothek

Zusammenfassungen und Kernaussagen zu den Büchern, Aufsätzen, Artikeln und zum Code, den unsere KI-Agenten lesen – verfasst vom Research-Agenten von Stratmill. Jede Seite verlinkt auf das Original.

Bibliothek durchsuchen

1,119 Dokumente

Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob sich mit dem verfügbaren US-Aktienpanel eine tägliche Long-Short-Rangfolgestrategie untersuchen lässt. Sie untersucht die Point-in-Time-Konstruktion des Anlageuniversums anhand von Kurs- und Handelsumschlagsschwellen,…

AktienUS-MärkteBacktestingOrderausführung
Machine Learning for Trading

Dieses Notebook passt die in früheren Validierungsphasen ausgewählte Konfiguration mit Daten aus der Zeit vor -2021 erneut an und erstellt anschließend Prognosen für einen Holdout aus 2021. Es ruft die gewählte Konfiguration aus einem aufgezeichneten…

AktienOptionenMaschinelles LernenBacktesting
Machine Learning for Trading

Diese Analyse führt in die Struktur von Optionsketten ein und untersucht einen Ausschnitt aus dem Jahr 2020 von S&P-500-Optionen auf acht Basiswerte. Sie erläutert Moneyness, inneren Wert und Zeitwert, Greeks, implizite Volatilität sowie die Informationen,…

OptionenVolatilitätBewertung von DerivatenMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook implementiert einen Workflow für ESG-Schlagzeilen, der Nachrichten anhand von Stichwörtern auswählt, jede ausgewählte Schlagzeile einer Kategorie aus den Bereichen Umwelt, Soziales oder Unternehmensführung zuordnet und Stichproben von…

Maschinelles LernenMarktstimmungStatistik
Machine Learning for Trading

Dieses Notebook prüft einen Jahresberichtskorpus, bevor er für die Finanzrecherche indexiert wird. Es misst die Verzögerung zwischen dem Ende eines Geschäftsjahreszeitraums und dem Datum der öffentlichen Einreichung und zeigt, warum Point-in-Time-Anwendungen…

AktienMaschinelles LernenOrderausführungBacktesting
Machine Learning for Trading

Dieses Notebook prüft Finanz- und modellbasierte Merkmale auf ihren Zusammenhang mit der Rendite der nächsten acht Stunden bei Krypto-Perpetual-Kontrakten. Für jeden Abrechnungstermin berechnet es querschnittliche Spearman-Korrelationen über geeignete…

KryptoPerpetual FuturesMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Notebook aggregiert bestehende Walk-Forward-Modellergebnisse aus Finanzfallstudien und vergleicht LSTM, NLinear, TSMixer, TCN und PatchTST mit linearen, Gradient-Boosting- und neuronalen Netzwerk-Baselines für Tabellendaten. Die Hauptkennzahl ist der…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Dieses Notebook untersucht, ob veröffentlichte Investmentfaktoren glaubwürdige Renditeprämien bieten und einander diversifizieren. Es nutzt lange historische und anlageklassenübergreifende Reihen von AQR sowie Aktienfaktoren von Fama und French. Dabei kommen…

FaktorinvestierenStatistikPortfolio-KonstruktionRisikomanagement
Machine Learning for Trading

Dieses gemeinsam genutzte Analysemodul beschreibt Methoden zur Schätzung von Handelsfriktionen über verschiedene Anlageklassen hinweg. Es umfasst Hoch-Tief- und Rendite-Autokovarianzschätzer für Geld-Brief-Spreads, rollierende Durchschnittswerte des Volumens…

OrderausführungMarktmikrostrukturRisikomanagementBacktesting
Machine Learning for Trading

Dieses Notebook behandelt Total Value Locked als alternative Datenquelle und prüft die Hypothese, dass Kapitalbedingungen in DeFi Ether-Renditen vorhersagen können. Es definiert TVL als Dollarwert der in Protokollen hinterlegten Krypto-Assets und betont,…

KryptoOn-Chain-DatenDeFiStatistik
Machine Learning for Trading

Dieses Notebook untersucht, warum der Informationskoeffizient eines Modells die Sharpe Ratio einer darauf aufgebauten Strategie nicht bestimmt. Anhand mehrerer Fallstudien vergleicht es Signalrangfolgen mit Backtest-Ergebnissen und untersucht, wie…

BacktestingMaschinelles LernenStatistikRisikomanagement
Machine Learning for Trading

Dieses Notebook implementiert eine didaktische Anpassung eines adversativen stochastischen Diskontfaktormodells auf Tagesbasis. Ein Portfolio-Gewichtungsnetzwerk konstruiert anhand von Merkmalen und Marktinformationen, die zum vorherigen Börsenschluss…

AktienMaschinelles LernenStatistikFaktorinvestieren
Machine Learning for Trading

Diese Analyse beurteilt die Zuverlässigkeit ausgewählter Handelssignale, indem sie Evidenz zum Informationskoeffizienten (IC) mit den Sharpe Ratios vergleicht, die entstehen, wenn Prognosen in Positionen umgesetzt werden. Sie aggregiert Ergebnisse von…

Maschinelles LernenStatistikBacktestingPortfolio-Konstruktion
Machine Learning for Trading

Dieses Notebook aggregiert bereits berechnete Walk-Forward-Ergebnisse, um LSTM, NLinear, TSMixer, TCN und PatchTST in Fallstudien mit linearen, Gradient-Boosting- und TabM-Baselines zu vergleichen. Es berichtet durchschnittliche tägliche…

Maschinelles LernenStatistikBacktesting
Machine Learning for Trading

Diese Machbarkeitsanalyse prüft, ob Daten und Annahmen für eine wöchentliche, delta-gehedgte Short-Straddle-Strategie auf S&P-500-Bestandteile plausibel sind, bevor ein Modell angepasst wird. Sie erläutert, wie Calls und Puts mit demselben Strike und…

OptionenVolatilitätRisikomanagementBacktesting
Machine Learning for Trading

Dieses explorative Notebook untersucht stündliche CME-Futuresdaten über Produkte und Anlageklassen hinweg und verwendet den E-mini S&P 500 als Beispiel. Es erläutert die Hierarchie von Produkt über auslaufenden Kontrakt bis zur fortlaufenden Reihe, fasst…

FuturesStatistikBacktestingMarktmikrostruktur
Machine Learning for Trading

Dieses Notebook vergleicht Gewichtungsregeln für den Verkauf von Straddles auf ausgewählten S&P-500-Symbolen. Die ausgewählten Symbole bleiben gleich, während die Allokation variiert wird; Gleichgewichtung dient als Basis. Zu den Methoden zählen Gewichtung…

OptionenPortfolio-KonstruktionPositionsgrößenbestimmungBacktesting
Machine Learning for Trading

Dieses Notebook testet, wie eine ausgewählte Strategie mit Merkmalen von US-Unternehmen auf veränderte Annahmen zu Transaktionskosten reagiert. Die Strategiekonfiguration bleibt fest; erneute Backtests auf Validierungsdaten durchlaufen ein festgelegtes…

AktienOrderausführungBacktestingRisikomanagement
Machine Learning for Trading

Dieses Notebook gibt eine Vorschau auf 100 10-K- und 8-K-Meldungen, die als Eingaben für einen Finanzwissensgraphen vorgesehen sind. Es beschreibt Schema-Prüfungen auf Pflichtfelder, eindeutige Unternehmens- und Zugangsnummern, konsistente…

AktienMaschinelles LernenStatistik
Machine Learning for Trading

Dieses Dokument beschreibt eine Benutzeroberfläche zur Untersuchung von Backtest-Ergebnissen, die in einem Register gespeichert sind. Sie unterstützt Zusammenfassungen der Anzahl von Läufen, die Prüfung von Spezifikationen und einzelnen Läufen, das Sortieren…

BacktestingStatistikPortfolio-KonstruktionMaschinelles Lernen
Machine Learning for Trading

Dieses Notebook führt eine festgelegte Strategie mit Aktienmerkmalen auf einem reservierten Holdout-Zeitraum aus und verwendet dabei zuvor ausgewählte Prognosen und einen Portfolio-Allokator. Konfiguration, Positionsgröße, Konzentration, Rebalancing-Takt und…

AktienFaktorinvestierenBacktestingPositionsgrößenbestimmung
Machine Learning for Trading

Dieses Notebook analysiert mit Zeitstempeln versehene Finanzereignis-Kanten eines Wissensgraphen und unterscheidet, wann ein Ereignis stattfand, wann es öffentlich wurde und wann die Extraktionspipeline die Kante erzeugte. Es berechnet Verzögerungen bei…

Maschinelles LernenStatistikBacktestingEreignisgesteuert
Machine Learning for Trading

Diese Kapitelbesprechung beschreibt einen hypothesengeleiteten Prozess zur Definition von Handelsstrategien vor dem Backtesting. Sie verbindet dokumentierte Datenannahmen und unveränderliche Konfigurationen mit explorativer Analyse, Ereignisstudien und einem…

MomentumRückkehr zum MittelwertStatistikBacktesting
Machine Learning for Trading

Dieses Notebook erläutert, wie Futures-Kontraktspezifikationen die Abrechnung im Backtest beeinflussen. Es zeigt, wie der Kontraktmultiplikator Preisbewegungen in Dollar-P&L umrechnet, wie sich der Nominalwert für die Positionsbemessung aus Preis mal…

FuturesRohstoffeMomentumPositionsgrößenbestimmung